Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.

Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Нечеткая логика

Содержание

Плохая формализуемость ОУ* Наиболее продвинутые на сегодня методы построения автоматических систем управления основаны на использовании строгих математических моделей объектов. Однако, для подавляющего большинства как искусственных, так и естественных объектов управления (ОУ), которыми необходимо
Лекция Нечеткая логика Я считаю, что излишнее стремление к точности стало Плохая формализуемость ОУ* Наиболее продвинутые на сегодня методы построения Немного теорииНечеткая логика основана на использовании оборотов естественного языка - «далеко», «близко», Впервые термин нечеткая логика (fuzzy logic) был введен амерканским профессором Лотфи Заде Термин Примеры применения нечеткой логики Автоматическое управление воротами плотины на гидроэлектростанциях.Упрощенное управление роботами. Оптимизированное планирование автобусных расписаний (Toshiba). Системы архивации документов (Mitsubishi Elec.). Системы прогнозирования  Распознавание рукописных символов в карманных компьютерах (записных книжках) (Sony). Однокнопочное управление стиральными Управление метрополитенами для повышения удобства вождения, точности остановки и экономии энергии (Hitachi). Определение. Пусть X – универсальное множество. Тогда подмножество A в X есть Определение. Нечеткое множество называется пустым, если μ A(x) = 0 для всех В феврале 1991 года была сконструирована первая стиральная машина, в системе управления Бурный рост рынка нечетких системЕсли рассматривать финансово-экономический сектор, то по мнению А.О. Пример Прогноз погоды на завтра температура воздуха +10 градусов С, возможен Недостатки нечетких системотсутствие стандартной методики конструирования нечетких систем; невозможность математического анализа нечетких Области эффективного применения современных технологий управления Как видно, классические методы управления хорошо БАЗОВЫЕ ПОНЯТИЯ НЕЧЕТКОЙ ЛОГИКИОпределение µА(x) – характеристическая функция принадлежности (функция принадлежности) - Вид функции принадлежности может быть абсолютно произвольным.Основные виды Z-образная функция принадлежности* График Z-образной функции принадлежности* S-образная функция принадлежности* График S-образной функции принадлежности* Основные типы функций принадлежности* Гауссова функция принадлежности *Функция принадлежности гауссова типа описывается формулойи оперирует двумя параметрами. Примеры лингвистических переменных*Рис.3. Описание лингвистической переменной 'Цена акции'. Рис.4. Описание лингвистической переменной Графики функции принадлежности для понятия «горячий кофе»* Основные характеристики нечетких множеств 1. Величина µА(х) называется высотой нечеткого множеcтва А. Операции с нечеткими множествами *К нечетким множествам можно применять следующие операции: 1.объединение Операции над нечеткими множествами* Пример 1. Нечеткое множество для термина «молодой» До 16 лет нельзя Функция принадлежности нечеткого множества “Оптимальный возраст работающих” *х - параметр возраста (лет), Принципы работы систем с нечеткой логикойФаззификация: (измерительные приборы фаззифицируются (переводятся в Определение. Фаззификация - сопоставление множества значений х ее функции принадлежности М(х), т.е. Понятие лингвистической переменной Определение. Лингвистическая переменная - переменная, значениями которой являются не Определение числа термов Исходите из стоящей перед вами задачи и необходимой точности Лингвистическая переменнаяОпределяете необходимое число термов и каждому из них ставите в соответствие Пример1. Лингвистическая переменная ВОЗРАСТ для нее термы ЮНОШЕСКИЙ, СРЕДНИЙ и ПРЕКЛОННЫЙ. 2. Правило продукцийСостоит из посылок и заключения. Возможно наличие нескольких посылок в правиле, ПримерМожно задать степень принадлежности к терму ОЧЕНЬ БЛИЗКО равную 0.7, а к терму БЛИЗКО – 0.3. Алгоритм по формализации задачи в терминах нечеткой логики Шаг 1. Для каждого Алгоритмы нечеткого вывода*Среди других алгоритмов нечеткого вывода, пожалуй, наиболее известными и популярными Алгоритм Сугэно*Исходный набор правил представляется в виде Пi: если x есть Ai, Алгоритм Сугэно*Алгоритм Сугэно (0-го порядка). Исходный набор правил представляется в видеПi: если *Метод выбора тестов при помощи алгоритма Сугено mf1 = 25f+25d+50; mf2 = *Результаты выбора тестов по алгоритму Сугено При высоком значении Операции нечеткого вывода*Фаззификация (переход к нечеткости)Точные значения входных переменных преобразуются в значения Структура системы нечеткого управления * Моделирование работы светофора с нечеткой логикой ПОСТАНОВКА: В обычном светофоре время В нечетком светофоре время цикла остается постоянным, однако, время его работы в Светофор использует разности показаний четырех пар датчиков: (Д1-Д2), Показатель эффективности - число машин, не проехавших перекресток за один цикл светофора.Для Для переменной время зеленого света предлагается три терма: малое (10-25сек.); среднее(20-40сек.); большое(35-50сек.). Функция принадлежности первой входной переменной Термы для двух оставшихся переменных :очень малое (0-18); малое (16-36); среднее (34-56); В качестве выходного параметра – время зеленого светофора.Термы: уменьшить (-20-0сек.); не изменять (-15-15сек.); увеличить (0-20сек.). Таблица правил на основе условных высказываний формирует выходное значение:Если (число машин на Результаты моделирования работы светофора с нечеткой логикой На светофор с датчиков Результат работы Приложения нечеткой логики Использование нечеткого управления рекомендуется... для очень сложных процессов, когда
Слайды презентации

Слайд 2 Плохая формализуемость ОУ
*




Наиболее продвинутые

Плохая формализуемость ОУ* Наиболее продвинутые на сегодня методы построения автоматических

на сегодня методы построения автоматических систем управления основаны на

использовании строгих математических моделей объектов. Однако, для подавляющего большинства как искусственных, так и естественных объектов управления (ОУ), которыми необходимо управлять, построение точных математических моделей практически невозможно ввиду их плохой формализуемости. К тому же, эти объекты могут функционировать в среде, свойства которой изменяются или же вообще не могут быть определены заранее. Управление такими объектами возможно только с использованием адаптивных принципов. В случае плохой формализуемости ОУ особый интерес вызывают системы, построенные на новых, интеллектуальных принципах. Эти системы используют наработки таких направлений искусственного интеллекта (ИИ) как нечеткая логика, экспертные системы, генетические алгоритмы, искусственные нейронные сети и т.д.

Слайд 3 Немного теории
Нечеткая логика основана на использовании оборотов естественного

Немного теорииНечеткая логика основана на использовании оборотов естественного языка - «далеко»,

языка - «далеко», «близко», «холодно», «горячо».
Диапазон ее применения

- от бытовых приборов до управления сложными промышленными процессами.
Многие задачи управления просто не могут быть решены классическими методами из-за очень большой сложности математических моделей.

Слайд 4 Впервые термин нечеткая логика (fuzzy logic) был введен

Впервые термин нечеткая логика (fuzzy logic) был введен амерканским профессором Лотфи

амерканским профессором Лотфи Заде в 1965 году в работе

“Нечеткие множества” в журнале “Информатика и управление”.
Побудительным мотивом представления Л. Заде идеи и теории нечетких множеств стала необходимость описания таких явлений и понятий, которые имеют многозначный и неточный характер. Известные до этого математические методы, использовавшие классическую теорию множеств и двузначную логику, не позволяли решать проблемы этого типа.

Родился в БакуРодился в Баку, Азербайджан как Лотфи Алескерзаде (или Аскер Заде) от русской матери и отца азербайджанца иранского происхождения; с 1932) от русской матери и отца азербайджанца иранского происхождения; с 1932 года жил в Иране) от русской матери и отца азербайджанца иранского происхождения; с 1932 года жил в Иране, учился Тегеранском университете; с 1944 в Соединенных Штатах; работает в Калифорнийском университете (Беркли).

Слайд 5 Термин "нечеткая логика"
В узком смысле,
нечеткая логика —

Термин

это логическое исчисление, являющееся расширением многозначной логики.
В широком

смысле
нечеткая логика равнозначна теории нечетких множеств.
Нечеткая логика в узком смысле является разделом нечеткой логики в широком смысле.

Слайд 6 Примеры применения нечеткой логики
Автоматическое управление воротами плотины

Примеры применения нечеткой логики Автоматическое управление воротами плотины на гидроэлектростанциях.Упрощенное управление

на гидроэлектростанциях.
Упрощенное управление роботами.
Наведение телекамер  при трансляции спортивных

событий.
Эффективное и стабильное управление автомобильными двигателями.
Управление экономичной скоростью автомобилей (Nissan, Subaru).

Слайд 7 Оптимизированное планирование автобусных расписаний (Toshiba).
Системы архивации документов

Оптимизированное планирование автобусных расписаний (Toshiba). Системы архивации документов (Mitsubishi Elec.). Системы

(Mitsubishi Elec.).
Системы прогнозирования  землетрясений (Japan).
Диагностика рака (Kawasaki

Medical School).
Финансисты, задачи которых требуют ежедневного принятия правильных решений в сложных условиях непредвиденного рынка (FujiBankпо).
Промышленные гиганты США. Motorola, General Electric, OtisElevator, PacificGas&Electric, Ford и другие.


Слайд 8 Распознавание рукописных символов в карманных компьютерах (записных книжках)

Распознавание рукописных символов в карманных компьютерах (записных книжках) (Sony). Однокнопочное управление

(Sony).
Однокнопочное управление стиральными машинами (Matsushita, Hitatchi).
Распознавание 

рукописных текстов, объектов, голоса (CSK, Hitachi, Hosai Univ., Ricoh).

Слайд 9 Управление метрополитенами для повышения удобства вождения, точности остановки

Управление метрополитенами для повышения удобства вождения, точности остановки и экономии энергии

и экономии энергии (Hitachi).
Оптимизация потребления бензина в автомобилях

(NOK, Nippon Denki Tools).
Повышение чувствительности и эффективности управления лифтами (Fujitec, Hitachi, Toshiba).

Слайд 10 Определение. Пусть X – универсальное множество. Тогда подмножество

Определение. Пусть X – универсальное множество. Тогда подмножество A в X

A в X есть совокупность пар A={x,μA(x)}, где, μA(x)

– функция, определяющая степень принадлежности элемента x к A; область ее значений лежит в интервале (μA(x)/X)∈[0,1].
Для обычного четкого множества A можно положить

Слайд 11 Определение. Нечеткое множество называется пустым, если μ A(x)

Определение. Нечеткое множество называется пустым, если μ A(x) = 0 для

= 0 для всех x∈X.
Пример
Пусть

X – множество студентов,
А - множество пожилых людей. Нечеткое множество А – пустое, μ A(x) = 0 для всех x∈X, так как пожилых студентов, вообще говоря, не бывает.

Слайд 12 В феврале 1991 года была сконструирована первая

В феврале 1991 года была сконструирована первая стиральная машина, в системе

стиральная машина, в системе управления которой сочетались нечеткая логика.


Автоматически определяя нечеткие входные факторы:
объем и качество белья,
уровень загрязненности,
тип порошка и т.д.,
Стиральная машина выбирала оптимальный режим стирки из 3800 возможных.

Слайд 13 Бурный рост рынка нечетких систем
Если рассматривать финансово-экономический сектор,

Бурный рост рынка нечетких системЕсли рассматривать финансово-экономический сектор, то по мнению

то по мнению А.О. Недосекина, сотрудника компании Siemens Business

Services Russia, доктора экономических наук: «Поток публикаций по применению нечетких множеств в экономическом и финансовом анализе растет лавинообразно. Международная ассоциация International Association for Fuzzy-Set Management & Economy (SIGEF) регулярно апробирует новые результаты в области нечетко-множественных экономических исследований. Исследователями написано несколько сотен монографий по этой проблематике. В России этот процесс тоже набирает обороты.

Слайд 14 Пример
Прогноз погоды на завтра
температура воздуха

Пример Прогноз погоды на завтра температура воздуха +10 градусов С, возможен

+10 градусов С, возможен дождь.
Это и есть проявление

нечеткой логики: погода завтра может быть в данном случае как просто пасмурной, так и дождливой:
события здесь предсказываются с некоторой долей уверенности (рангом).

Слайд 15 Недостатки нечетких систем
отсутствие стандартной методики конструирования нечетких систем;

Недостатки нечетких системотсутствие стандартной методики конструирования нечетких систем; невозможность математического анализа


невозможность математического анализа нечетких систем существующими методами;
применение нечеткого

подхода по сравнению с вероятностным не приводит к повышению точности вычислений.

Слайд 16 Области эффективного применения современных технологий управления
Как видно,

Области эффективного применения современных технологий управления Как видно, классические методы управления

классические методы управления хорошо работают при полностью детерминированном объекте

управления и детерминированной среде, а для систем с неполной информацией и высокой сложностью объекта управления оптимальными являются нечеткие методы управления.

Слайд 17 БАЗОВЫЕ ПОНЯТИЯ НЕЧЕТКОЙ ЛОГИКИ
Определение µА(x) – характеристическая функция

БАЗОВЫЕ ПОНЯТИЯ НЕЧЕТКОЙ ЛОГИКИОпределение µА(x) – характеристическая функция принадлежности (функция принадлежности)

принадлежности (функция принадлежности) - функция указывает степень (уровень) принадлежности

элемента х подмножеству А.
Замечание Обычное множество - частный случай нечеткого множества.
Функцию принадлежности, как и всякую функцию, можно задавать таблично или аналитически.

Слайд 18 Вид функции принадлежности может быть абсолютно произвольным.
Основные виды

Вид функции принадлежности может быть абсолютно произвольным.Основные виды

Слайд 19 Z-образная функция принадлежности
*

Z-образная функция принадлежности*

Слайд 20 График Z-образной функции принадлежности
*

График Z-образной функции принадлежности*

Слайд 21 S-образная функция принадлежности
*

S-образная функция принадлежности*

Слайд 22 График S-образной функции принадлежности
*

График S-образной функции принадлежности*

Слайд 23 Основные типы функций принадлежности
*

Основные типы функций принадлежности*

Слайд 24 Гауссова функция принадлежности
*
Функция принадлежности гауссова типа описывается

Гауссова функция принадлежности *Функция принадлежности гауссова типа описывается формулойи оперирует двумя

формулой

и оперирует двумя параметрами. Параметр c обозначает центр нечеткого

множества, а параметр σ отвечает за крутизну функции.

Слайд 25 Примеры лингвистических переменных
*
Рис.3. Описание лингвистической переменной 'Цена акции'.

Примеры лингвистических переменных*Рис.3. Описание лингвистической переменной 'Цена акции'. Рис.4. Описание лингвистической


Рис.4. Описание лингвистической переменной 'Возраст'.
На рис. 3 приведен

пример описанной выше лингвистической переменной 'Цена акции', на рис. 4 – формализация неточного понятия 'Возраст человека'. Так, для человека 48 лет степень принадлежности к множеству 'Молодой' равна 0, 'Средний' – 0,47, 'Выше среднего' – 0,20.

Слайд 26 Графики функции принадлежности для понятия «горячий кофе»
*

Графики функции принадлежности для понятия «горячий кофе»*

Слайд 27 Основные характеристики нечетких множеств
1. Величина µА(х) называется высотой

Основные характеристики нечетких множеств 1. Величина µА(х) называется высотой нечеткого множеcтва

нечеткого множеcтва А.
Нечеткое множество А нормально, если его

высота равна 1 , в противном случае нечеткое множество называется субнормальным.
Нечеткое множество унимодально , если функция принадлежности =1 только для одного элемента.
Элементы х Є E , для которых µА(х)= 0,5, называются точками перехода множества.

Слайд 28

Слайд 29 Операции с нечеткими множествами
*

К нечетким множествам можно применять

Операции с нечеткими множествами *К нечетким множествам можно применять следующие операции:

следующие операции:
1.объединение

2.пересечение 3.дополнение

4.концентрация 5.размывание (или размытие)

Слайд 30 Операции над нечеткими множествами
*

Операции над нечеткими множествами*

Слайд 31 Пример 1. Нечеткое множество для термина «молодой»

Пример 1. Нечеткое множество для термина «молодой» До 16 лет нельзя


До 16 лет нельзя однозначно утверждать, что человек молодой

(рангом около 0,9 ).
от 16 до 30 лет можно смело присвоить ранг 1, т.е. человек в этом возрасте молодой.
После 30 лет человек вроде уже не молодой, но еще и не старый, здесь ранг будет принимать значения в интервале от 0 до 1.
И чем больше возраст человека, тем меньше становится его принадлежность к молодым, т.е. ранг будет стремиться к 0.

Слайд 32 Функция принадлежности нечеткого множества “Оптимальный возраст работающих”
*
х

Функция принадлежности нечеткого множества “Оптимальный возраст работающих” *х - параметр возраста

- параметр возраста (лет), х Î [18,70], А -

нечеткое подмножество “оптимальный возраст работающего” - отрезок [18,70], μ А(х) - функция принадлежности, m А(х) Î [0,1].

Слайд 33 Принципы работы систем с нечеткой логикой
Фаззификация:

Принципы работы систем с нечеткой логикойФаззификация: (измерительные приборы фаззифицируются (переводятся

(измерительные приборы фаззифицируются (переводятся в нечеткий формат),

Разработка нечетких правил
Дефаззификация виде привычных сигналов подаются на исполнительные устройства.

Слайд 34 Определение. Фаззификация - сопоставление множества значений х ее

Определение. Фаззификация - сопоставление множества значений х ее функции принадлежности М(х),

функции принадлежности М(х), т.е. перевод значений х в нечеткий

формат Дефаззификация - процесс, обратный фаззификации.

Значения функции принадлежности μ(x) могут быть взяты только из априорных знаний, интуиции (опыта), опроса экспертов.

Слайд 35 Понятие лингвистической переменной
Определение. Лингвистическая переменная - переменная, значениями

Понятие лингвистической переменной Определение. Лингвистическая переменная - переменная, значениями которой являются

которой являются не числа, а слова естественного языка, называемые

термами.
Для большинства приложений достаточно 3-7 термов на каждую переменную. (минимальное, максимальное, среднее).
Максимальное количество термов не ограничено и зависит целиком от приложения.

Слайд 36 Определение числа термов
Исходите из стоящей перед вами

Определение числа термов Исходите из стоящей перед вами задачи и необходимой

задачи и необходимой точности описания, помните, что для большинства

приложений вполне достаточно трех термов в переменной;

нечеткие правила функционирования системы должны быть понятны.

Слайд 37 Лингвистическая переменная
Определяете необходимое число термов и каждому из

Лингвистическая переменнаяОпределяете необходимое число термов и каждому из них ставите в

них ставите в соответствие некоторое значение описываемой физической величины.

Для

этого значения степень принадлежности физической величины к терму будет равна единице, а для всех остальных значений - в зависимости от выбранной функции принадлежности.

Слайд 38 Пример
1. Лингвистическая переменная ВОЗРАСТ для нее термы ЮНОШЕСКИЙ,

Пример1. Лингвистическая переменная ВОЗРАСТ для нее термы ЮНОШЕСКИЙ, СРЕДНИЙ и ПРЕКЛОННЫЙ.

СРЕДНИЙ и ПРЕКЛОННЫЙ.
2. Лингвистической переменной ДИСТАНЦИЯ принадлежат термы

ДАЛЕКО, БЛИЗКО.
Нечеткие системы основаны на правилах продукционного типа, в качестве посылки и заключения в правиле используются лингвистические переменные.


Слайд 39 Правило продукций
Состоит из посылок и заключения.
Возможно наличие

Правило продукцийСостоит из посылок и заключения. Возможно наличие нескольких посылок в

нескольких посылок в правиле,
они объединяются посредством логических связок

И, ИЛИ.
Продукционное правило записывается в виде:
«ЕСЛИ (посылка) (связка) (посылка)… (посылка) ТО (заключение)».

Слайд 40 Пример
Можно задать степень принадлежности к терму ОЧЕНЬ БЛИЗКО

ПримерМожно задать степень принадлежности к терму ОЧЕНЬ БЛИЗКО равную 0.7, а к терму БЛИЗКО – 0.3.

равную 0.7, а к терму БЛИЗКО – 0.3.

Слайд 41 Алгоритм по формализации задачи в терминах нечеткой логики
Шаг

Алгоритм по формализации задачи в терминах нечеткой логики Шаг 1. Для

1. Для каждого терма взятой лингвистической переменной найти числовое

значение или диапазон значений, наилучшим образом характеризующих данный терм.
Шаг 2. После определения значений с единичной принадлежностью необходимо определить значение параметра с принадлежностью «0» к данному терму.
Шаг 3. Для определения промежуточных значений выбираются П- или Л-функции из числа стандартных функций принадлежности.
Для значений, соответствующих экстремальным значениям параметра, выбираются S- или Z-функции принадлежности.

Слайд 42 Алгоритмы нечеткого вывода
*
Среди других алгоритмов нечеткого вывода, пожалуй,

Алгоритмы нечеткого вывода*Среди других алгоритмов нечеткого вывода, пожалуй, наиболее известными и

наиболее известными и популярными являются алгоритмы Мамдани (Mamdani) и

Сугэно (Sugeno).
Алгоритм Мамдани. Отметим вначале, что используемый в различного рода экспертных и управляющих системах механизм нечетких выводов в своей основе имеет базу знаний, формируемую специалистами предметной области в виде совокупности нечетких предикатных правил вида:
П1: если x есть A1, тогда z есть B1,
П2: если x есть A2, тогда z есть B2,
. . . . . . . . . .
Пn: если x есть An, тогда z есть Bn,
где x - входная переменная (имя для известных значений данных), z - переменная вывода (имя для значения данных, которое будет вычислено); Аi и Вi - нечеткие множества.

Слайд 43 Алгоритм Сугэно
*
Исходный набор правил представляется в виде
Пi: если

Алгоритм Сугэно*Исходный набор правил представляется в виде Пi: если x есть

x есть Ai, тогда z есть zi, i =

1,2,…,n,
где zi = z(xi).
Приведем пример двух правил:
П1: если х есть А1 и y есть В1, то z1=a1x+b1y,
П2: если х есть А2 и y есть В2, то z2=a2x+b2y.
Таким образом, основное отличие между системами Мамдани и Сугэно заключается в разных способах задания значений выходной переменной в правилах, образующих базу знаний. В системах типа Мамдани значения выходной переменной задаются нечеткими термами, в системах типа Сугэно - как линейная комбинация входных переменных.

Слайд 44 Алгоритм Сугэно
*
Алгоритм Сугэно (0-го порядка). Исходный набор правил

Алгоритм Сугэно*Алгоритм Сугэно (0-го порядка). Исходный набор правил представляется в видеПi:

представляется в виде
Пi: если x есть Ai, тогда z

есть zi, i = 1,2,…,n,
где zi = z(xi).
Алгоритм Сугэно с вычислительной точки зрения реализуется значительно проще, чем алгоритм Мамдани, а время счета для него меньше, чем для алгоритма Мамдани в 50-100 раз.
Общий вывод: если нет каких-либо особенных доводов в пользу алгоритма Мамдани, то лучше использовать не его, а алгоритм Сугэно.

Слайд 45 *
Метод выбора тестов при помощи алгоритма Сугено
mf1

*Метод выбора тестов при помощи алгоритма Сугено mf1 = 25f+25d+50; mf2

= 25f+25d+50; mf2 = 22.5f+22.5d+45; mf3 = 20f+20d+40;
mf4 =

12.5f+12.5d+25; mf5 = 5f+5d+10; mf6 = 2.5f+2.5d+5; mf7 = 0;
где f – вероятность проявления неисправности;
d – вероятность покрытия неисправности исследуемым тестом.

Слайд 46 *
Результаты выбора тестов по алгоритму Сугено

*Результаты выбора тестов по алгоритму Сугено При высоком значении

При высоком значении вероятности проявления неисправности и

высоком значении вероятности её покрытия целесообразность включения теста в программу испытаний достигает 100%. Промежуточные значения получаются при помощи системы нечеткого вывода.

Слайд 47 Операции нечеткого вывода
*
Фаззификация (переход к нечеткости)
Точные значения входных

Операции нечеткого вывода*Фаззификация (переход к нечеткости)Точные значения входных переменных преобразуются в

переменных преобразуются в значения лингвистических переменных посредством применения некоторых

положений теории нечетких множеств, а именно - при помощи определенных функций принадлежности.
Дефаззификация (устранение нечеткости)
На этом этапе осуществляется переход от нечетких значений величин к определенным физическим параметрам, которые могут служить командами исполнительному устройству.

Слайд 48 Структура системы нечеткого управления
*

Структура системы нечеткого управления *

Слайд 49 Моделирование работы светофора с нечеткой логикой
ПОСТАНОВКА:

Моделирование работы светофора с нечеткой логикой ПОСТАНОВКА: В обычном светофоре время


В обычном светофоре время работы зеленого и красного света,

а также время цикла фиксированы. Это создает некоторые трудности в движении машин, особенно, при изменении их потоков в часы пик, что довольно часто приводит к появлению автомобильных пробок.

Слайд 50 В нечетком светофоре время цикла остается постоянным, однако,

В нечетком светофоре время цикла остается постоянным, однако, время его работы

время его работы в режиме зеленого света должно меняться

в зависимости от количества подъезжающих к перекрестку машин.

Слайд 51 Светофор использует разности показаний четырех пар датчиков:

Светофор использует разности показаний четырех пар датчиков: (Д1-Д2), (Д3-Д4),

(Д1-Д2), (Д3-Д4), (Д5-Д6) и (Д7-Д8).
если

для улицы СЮ горит зеленый свет, машины проезжают перекресток и показания двух пар датчиков равны:
Д1=Д2, Д5=Д6,
а, следовательно, их разность равна нулю.
В это же время на улице ЗВ перед светофором останавливаются машины, которые успели проехать только Д4 и Д7.
Суммарное количество автомобилей на этой улице :
(Д4-Д3)+(Д7-Д8)=(Д4-0)+(Д7-0)=Д4+Д7


Слайд 52 Показатель эффективности - число машин, не проехавших перекресток

Показатель эффективности - число машин, не проехавших перекресток за один цикл

за один цикл светофора.
Для каждой переменной надо задать лингвистические

термы, соответствующие некоторым диапазонам четких значений.

Слайд 53 Для переменной время зеленого света предлагается три терма:

Для переменной время зеленого света предлагается три терма: малое (10-25сек.); среднее(20-40сек.); большое(35-50сек.).


малое (10-25сек.);
среднее(20-40сек.);
большое(35-50сек.).

Слайд 54 Функция принадлежности первой входной переменной

Функция принадлежности первой входной переменной

Слайд 55 Термы для двух оставшихся переменных :
очень малое (0-18);

Термы для двух оставшихся переменных :очень малое (0-18); малое (16-36); среднее


малое (16-36);
среднее (34-56);
большое (54-76);
очень большое (72-90).



Слайд 56 В качестве выходного параметра – время зеленого светофора.
Термы:

В качестве выходного параметра – время зеленого светофора.Термы: уменьшить (-20-0сек.); не изменять (-15-15сек.); увеличить (0-20сек.).


уменьшить (-20-0сек.);
не изменять (-15-15сек.);
увеличить (0-20сек.).

Слайд 57 Таблица правил на основе условных высказываний формирует выходное

Таблица правил на основе условных высказываний формирует выходное значение:Если (число машин

значение:
Если (число машин на улице СЮ=малое)@(число машин на улице

ЗВ=большое)@ (время зеленого света на улице СЮ=большое),
то (время зеленого света=уменьшить).

Слайд 58 Результаты моделирования работы светофора с нечеткой логикой
На

Результаты моделирования работы светофора с нечеткой логикой На светофор с датчиков

светофор с датчиков поступает информация о количестве автомобилей на

двух улицах.
Эти данные переводятся в нечеткий формат согласно заданным функциям принадлежности.

происходит их обработка, значение изменения времени зеленого света дефаззифицируется (т.е. переводится обратно в четкий формат) и поступает в виде управляющего сигнала на светофор.

В соответствии с этим сигналом время зеленого света светофора в следующем цикле будет другим.

Слайд 59 Результат работы

Результат работы
  • Имя файла: nechetkaya-logika.pptx
  • Количество просмотров: 134
  • Количество скачиваний: 0
- Предыдущая Применение энергии атома
Следующая - Методологические основы научного познания и творчества

Похожие презентации

Презентация по информатике на тему: Автоматизированные системы управления Презентация по информатике на тему: Автоматизированные системы управления 188
Этапы создания анимационного сюжета в языке лого Этапы создания анимационного сюжета в языке лого 107
Алгоритмы и программирование (9 класс) Алгоритмы и программирование (9 класс) 150
Язык блок-схем Язык блок-схем 135
Вычислительные сети Вычислительные сети 152
Логические задачи Логические задачи 135
Бесплатные антивирусные программы Бесплатные антивирусные программы 167
Табличные информационные модели(6 класс) Табличные информационные модели(6 класс) 150
День информатики в России. 39 слайдов. Ранее был выставлен близкий по тематике вариант с 22 слайдами. День информатики в России. 39 слайдов. Ранее был выставлен близкий по тематике вариант с 22 слайдами. 131
Презентация по информатике на тему Тест по теме СУБД Презентация по информатике на тему Тест по теме СУБД 167
Computer Systems. (Unit 2) Computer Systems. (Unit 2) 101
Носители информации Носители информации 89
Современные системы программирования Современные системы программирования 110
Обучение персонала АЗК IBS Trade House. Раздаточный материал для тренинга Обучение персонала АЗК IBS Trade House. Раздаточный материал для тренинга 283
Презентация по информатике на тему Веселая разминка(7 класс) Презентация по информатике на тему Веселая разминка(7 класс) 116
Жизненный цикл Activity Жизненный цикл Activity 91
Презентация по информатике Введение в информатику (7 класс) Презентация по информатике Введение в информатику (7 класс) 109
Microsoft Office Enterprise 2007 Russian Microsoft Office Enterprise 2007 Russian 90
Безопасность в интернете Безопасность в интернете 99
Системы охлаждения Системы охлаждения 136
Классификация ЭВМ Классификация ЭВМ 104
Кинематика в Excel Кинематика в Excel 108
Монитор Монитор 161
Презентация Основные понятия. Общий состав ЭВМ и вычислительных систем. программное обеспечение вычислительной техники Презентация Основные понятия. Общий состав ЭВМ и вычислительных систем. программное обеспечение вычислительной техники 172
Презентації та їх призначення Презентації та їх призначення 81
Пользовательский интерфейс Пользовательский интерфейс 184
Системы координат Системы координат 97
Презентация по информатике на тему Приёмы анимации в PowerPoint Презентация по информатике на тему Приёмы анимации в PowerPoint 111
Работа с сетями с пакетом java.net Работа с сетями с пакетом java.net 78
Логотип Логотип 117